复杂环境下基于决策树的数码管识别算法研究

目前基于图像的数码管自动识别方法在复杂的工业环境中存在模型失配、适应性不强、准确度较低的问题。为打通从理论研究到实际应用的路径,提升复杂环境下数码管识别的效率和性能,提出一种能适应复杂环境的、基于决策树的高效数码管识别算法。通过计算灰度图的Tsallis熵和均值,实现不同工作场景的适配,并在此基础上选择预设的算法完成灰度图二值化,利用数字定位算法完成数字区域的分割并进行识别。将该算法应用于实际环境中采集的大量图片,结果证明,该算法较好地适应了复杂工业环境,提供了更精准的识别结果。

基于MEMS传感器数据拓扑分析的用户识别

随着科技的迅速发展,智能手机安全性的问题越来越受人们关注,用户识别认证在保证智能手机安全方面扮演着重要的角色。提出了一种基于微机电系统(Microelectro Mechanical Systems,MEMS)传感器步态信号持续同调的用户识别的新方法,MEMS传感器信号中的混沌不变量(伪周期性)可以由相空间中的拓扑特征来表示,通过持续同调提取相空间拓扑特征,建立不同用户的持续同调模型。利用持续同调特点,进一步简化持续同调为概率密度,并使用K-L散度度量不同用户模型间的差异,最终利用MEMS传感器信号实现无须用户主动参与的身份认证。为验证持续同调模型,采用十个不同用户,两种运动状态数据,通过仿真完成用户识别,结果表明识别的平均准确率达到95.3%。

基于自定义掩模和模板匹配的多指针识别与读数方法

为解决多指针仪表的自动读数问题,提出一种基于自定义掩模和模板匹配的多指针识别与读数方法,用于指针形状特殊、2个或多个指针长度相同仪表的自动读数。该方法由指针识别和仪表读数两部分组成。指针识别部分通过预处理凸显指针活动区域,进而用扇形法搜寻像素点数峰值,粗略估计各指针位置,通过模板匹配法完成指针识别。仪表读数部分以粗估计为基础制造扇形细分掩膜,对局部区域进行高精度扫描,估计指针读数。三指针仪表的实验结果表明,该方法能够用于多指针仪表的识别与读数。

基于MobileNetV2的圆形指针式仪表识别系统

针对目前指针式仪表识别任务在使用深度学习算法时存在模型参数量大、计算量大、准确率较低的问题,提出一种基于改进预训练MobileNetV2网络模型与圆形Hough变换相结合的圆形指针式仪表智能检测和识别系统。首先,采用Hough变换解决复杂场景内非圆形区域的干扰问题;然后,提取圆形区域以构建数据集;最后,使用基于改进预训练MobileNetV2网络模型对圆形指针式仪表进行识别。为客观反映所提模型的性能优劣,采用平均混淆矩阵来衡量模型性能。实验结果表明,该系统在圆形指针式仪表识别任务中的识别率达到99.76%。同时,将所提模型与其他5种不同的网络模型进行对比的结果表明,该模型与ResNet50的准确率最高,但在模型参数量和模型计算量方面,所提网络模型相较于ResNet50分别降低了90.51%和92.40%,可见该模型有助于进一步在移动端或嵌入式设备中部署和实现工业级的实时圆形指针式仪表检测和识别。

基于递归图的乐器识别算法

针对乐器分类问题,基于非线性动力学概念,将不同乐器产生的音频时间序列利用递归图方法进行处理,每组音频时间序列对应得到一张递归图。提取每张递归图的稠密比例不变特征变换(SIFT)特征,通过视觉词袋模型法将高维度的SIFT特征降维,得到每张递归图的视觉单词频率直方图向量作为特征输入线性支持向量机,采用支持向量机(SVM)算法中的"一对多法"实现多分类。实验表明,该方法识别准确率高于递归图密度比特征法,且比基于梅尔频率倒谱系数方法高出3%~4%。为乐器识别提供新思路。

智能手环设计方案

本手环设计本身添加了市面上智能手环的相关功能,能够实现显示时间、测量步数、热量、闹钟等功能。因此本设计也适用于普通的使用者,在能够拥有智能手环的便捷同时。他们也能够在安静的环境下进行电话的保密接听和丝毫不会影响外界地听自己喜欢音乐。